深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1201	2024-08-28	Automated segmentation of the larynx on computed tomography images: a review 2022-May, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-022-00221-3 PMID:35529346	综述	本文综述了用于计算机断层扫描（CT）图像上喉部自动分割的各种自动检测和分割方法	总结了图像配准和深度学习方法在喉部分割中的应用，并比较了它们的优缺点	缺乏对喉部边界的标准化以及相对较小的结构的复杂性使得CT图像上的喉部自动分割具有挑战性	探讨在头颈癌治疗规划中，如何通过自动分割技术辅助临床医生验证其发现并寻找诊断中的疏漏	喉部在CT图像上的自动分割方法	计算机视觉	头颈癌	NA	NA	图像	NA
1202	2024-08-28	Research on the Coordinate Attention Mechanism Fuse in a YOLOv5 Deep Learning Detector for the SAR Ship Detection Task 2022-Apr-28, Sensors (Basel, Switzerland) DOI:10.3390/s22093370 PMID:35591063	研究论文	研究了将坐标注意力（CA）机制模块与YOLOv5检测器融合的问题，提出了一种新的轻量级端到端目标检测框架YOLO-CASS，用于SAR船舶目标检测任务	提出了一种新的轻量级端到端目标检测框架YOLO-CASS，该框架在YOLOv5的主干网络中合适位置融合了CA模块，显著提高了效率和性能	NA	优化轻量级模型，为SAR图像在轨处理提供解决方案	SAR船舶目标检测任务	机器学习	NA	深度学习	YOLOv5	图像	使用了SSDD合成孔径雷达（SAR）遥感图像进行实验
1203	2024-08-28	LM-GVP: an extensible sequence and structure informed deep learning framework for protein property prediction 2022-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10775-y PMID:35477726	研究论文	本研究开发了一种名为LM-GVP的新型深度学习框架，结合蛋白质语言模型和图神经网络，用于基于蛋白质的序列和结构预测其性质	LM-GVP框架能够利用蛋白质的1D氨基酸序列和3D结构信息，在多种性质预测任务中超越了现有技术	NA	开发一种能够利用蛋白质序列和结构信息预测其性质的深度学习框架	蛋白质的性质预测，包括荧光性、蛋白酶稳定性和基因本体论中的蛋白质功能	机器学习	NA	深度学习	图神经网络	序列和结构数据	NA
1204	2024-08-28	Predicting perinatal health outcomes using smartphone-based digital phenotyping and machine learning in a prospective Swedish cohort (Mom2B): study protocol 2022-04-27, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2021-059033 PMID:35477874	研究论文	本研究旨在利用Mom2B智能手机应用中的数字表型数据，通过机器学习技术预测高风险孕妇的心理和身体并发症	利用智能手机应用收集的主动和被动数据来建立参与者的数字表型，并应用先进的机器学习和深度学习技术预测围产期抑郁症和早产	NA	预测高风险孕妇的心理和身体并发症，以便早期干预	瑞典语的孕妇或产后三个月内的女性	机器学习	NA	机器学习和深度学习	算法	多模态数据	至少5000名参与者
1205	2024-08-28	Machine learning to predict pregnancy outcomes: a systematic review, synthesizing framework and future research agenda 2022-Apr-22, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-022-04594-2 PMID:35546393	综述	本文综述了利用机器学习技术预测分娩方式和识别孕期潜在母体风险的研究进展	提出了一个概念框架，用于推进基于机器学习的母体健康护理系统，并探讨了未来研究方向，如利用无监督和深度学习算法进行预测，开发基于机器学习的临床决策支持系统等	NA	探索利用机器学习技术预测最佳分娩方式和检测分娩并发症的研究和发展视角	孕期结果和分娩并发症	机器学习	NA	机器学习	NA	NA	26篇文章
1206	2024-08-28	CTT: CNN Meets Transformer for Tracking 2022-Apr-22, Sensors (Basel, Switzerland) DOI:10.3390/s22093210 PMID:35590900	研究论文	本文提出了一种结合CNN和Transformer的跟踪器CTT，通过引入残差Transformer结构和自注意力机制，增强了目标跟踪中的全局和上下文依赖性	引入了包含自注意力机制的编码器-解码器结构的残差Transformer，替代传统的交叉相关性，增强了全局注意力信息的传递	NA	改进基于深度学习的目标跟踪算法，提高跟踪的准确性和鲁棒性	目标跟踪中的特征融合和特征匹配	计算机视觉	NA	CNN, Transformer	CNN, Transformer	图像	在GOT-10k, VOT2019, OTB-100, LaSOT, NfS, UAV123和TrackingNet等多个基准上进行了评估
1207	2024-08-28	Deep-Learning-Assisted Focused Ion Beam Nanofabrication 2022-04-13, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.1c04604 PMID:35324209	研究论文	本文展示了利用深度学习从以往制造经验中预测聚焦离子束（FIB）铣削制造结构的后制造外观，准确率超过96%	提出了一种利用深度学习技术预测FIB铣削制造结构后制造外观的方法，显著提高了优化过程的速度和可重复性	NA	探索深度学习在聚焦离子束纳米制造中的应用，以加速优化过程并提高可重复性	聚焦离子束铣削制造的结构及其后制造外观	机器学习	NA	聚焦离子束（FIB）铣削	深度学习模型	图像	NA
1208	2024-08-28	Harnessing Deep Learning for Optimization of Lennard-Jones Parameters for the Polarizable Classical Drude Oscillator Force Field 2022-Apr-12, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c00115 PMID:35362975	研究论文	本研究开发了一种基于深度学习的参数化框架，用于优化极化经典Drude振子力场中的Lennard-Jones参数，以提高分子模拟的准确性	利用深度学习技术优化Lennard-Jones参数，以更好地模拟实验凝聚相热力学性质，并提高分子模拟的准确性	NA	优化分子模拟中的Lennard-Jones参数，以提高计算化学和生物学研究的准确性	涉及四种不同组别的10种原子类型的Lennard-Jones参数	计算化学	NA	深度学习	NA	实验凝聚相热力学性质数据	涉及10种原子类型
1209	2024-08-28	DGCyTOF: Deep learning with graphic cluster visualization to predict cell types of single cell mass cytometry data 2022-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008885 PMID:35404970	研究论文	本文介绍了一种名为DGCyTOF的新型集成嵌入可视化方法，用于识别单细胞质谱流式数据中的经典和新细胞类型	DGCyTOF结合了深度学习分类和层次稳定聚类方法，通过三层结构识别已知和新细胞类型，并开发了3D可视化平台显示细胞聚类	NA	开发一种新的集成嵌入可视化方法，用于提高单细胞质谱流式数据中细胞类型识别的准确性和速度	单细胞质谱流式数据中的细胞类型识别	机器学习	NA	CyTOF	深度学习模型	单细胞质谱流式数据	涉及两个基准CyTOF数据库，共4300万个细胞
1210	2024-08-28	Deep neural network classification of in vivo burn injuries with different etiologies using terahertz time-domain spectral imaging 2022-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.452257 PMID:35519269	研究论文	本研究展示了使用太赫兹时域光谱成像技术结合深度神经网络分类算法，能够准确区分不同病因导致的活体烧伤程度	本研究首次使用太赫兹便携式手持光谱反射扫描仪结合深度神经网络算法，无需超光谱特征提取，直接利用预处理的太赫兹光谱进行烧伤分类	NA	旨在提高烧伤分类的准确性，以指导临床治疗计划	不同病因导致的活体烧伤	机器学习	烧伤	太赫兹时域光谱（THz-TDS）	深度神经网络	光谱	NA
1211	2024-08-28	A review on machine learning and deep learning for various antenna design applications 2022-Apr, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2022.e09317 PMID:35520616	综述	本文详细讨论了机器学习和深度学习在多种天线设计应用中的应用	机器学习和深度学习在天线设计中的应用提高了覆盖范围和频谱效率，加速了设计过程，减少了模拟次数，并提高了计算可行性	NA	探讨机器学习和深度学习在不同天线设计应用中的可行性和效果	毫米波、体中心、太赫兹、卫星、无人机、全球定位系统和纺织品等天线应用	机器学习	NA	机器学习, 深度学习	NA	数据	NA
1212	2024-08-28	Real-world analysis of manual editing of deep learning contouring in the thorax region 2022-Apr, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2022.04.008 PMID:35602549	研究论文	评估深度学习轮廓技术在胸部区域放射治疗中的用户调整情况，以了解临床实践中实际编辑的情况	识别了胸部区域每个危及器官的具体调整区域，并发现针对特定临床指征需要单独的模型，这与训练数据不同	NA	评估深度学习轮廓技术在临床实践中的实际表现	肺部和乳腺癌患者的危及器官自动轮廓技术后的手动调整	数字病理学	肺部和乳腺癌	深度学习轮廓技术	NA	影像	350名肺部癌症患者和362名乳腺癌患者
1213	2024-08-28	EMT-NET: EFFICIENT MULTITASK NETWORK FOR COMPUTER-AIDED DIAGNOSIS OF BREAST CANCER 2022-Mar, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi52829.2022.9761438 PMID:35530971	研究论文	本文提出了一种高效的轻量级多任务学习架构EMT-NET，用于乳腺癌的计算机辅助诊断，能够同时进行肿瘤分类和分割	本文引入了一个新的数值稳定的损失函数，以平衡癌症检测的敏感性和特异性，并使骨干网络学习专注于肿瘤区域的表示	NA	提高乳腺癌检测的效率和性能	乳腺癌肿瘤的分类和分割	计算机视觉	乳腺癌	深度学习	多任务网络	图像	1511张乳腺超声图像
1214	2024-08-28	Automatic skin disease diagnosis using deep learning from clinical image and patient information 2022-Mar, Skin health and disease DOI:10.1002/ski2.81 PMID:35665205	研究论文	本研究提出了一种利用深度学习预训练的mobilenet-v2模型，通过临床图像和患者信息自动诊断五种常见皮肤病的自动化系统	本研究开发了一个智能手机应用程序，能够在资源有限的地区作为决策支持系统使用	NA	开发一个自动化系统，用于通过临床图像和患者信息诊断五种常见皮肤病	五种常见皮肤病	机器学习	NA	深度学习	mobilenet-v2	图像和文本	NA
1215	2024-08-28	Reconstruction of three-dimensional tomographic patient models for radiation dose modulation in CT from two scout views using deep learning 2022-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.15414 PMID:34908175	研究论文	本文提出了一种使用深度学习从两个视角的扫描图像重建三维断层扫描患者模型的方法，以优化CT扫描中的辐射剂量调节。	利用深度学习策略从两个视角的扫描图像生成三维断层扫描患者模型，提高了辐射剂量调节的准确性。	目前的方法依赖于具有相对均匀衰减系数的患者模型，未考虑人体解剖结构的详细变化。	展示如何使用深度学习从两个视角的扫描图像生成三维断层扫描患者模型，并验证其在CT扫描中辐射剂量调节的准确性。	研究对象包括4214个独立的CT检查图像及其对应的两个视角的扫描图像。	计算机视觉	NA	深度学习	深度神经网络	图像	4214个独立的CT检查图像，验证集包含55136张图像来自212名患者。
1216	2024-08-28	Use of Multi-Modal Data and Machine Learning to Improve Cardiovascular Disease Care 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.840262 PMID:35571171	综述	本文综述了利用多模态数据和机器学习技术改进心血管疾病护理的最新研究	介绍了数据融合技术在整合电子病历、放射影像和遗传数据库等多模态数据中的应用，以提供针对心血管医学的科学和临床见解	NA	探讨如何利用最新的数据融合技术在心血管医学领域提供科学和临床见解	心血管疾病	机器学习	心血管疾病	机器学习 (ML) 和深度学习 (DL)	NA	多模态数据（电子病历、放射影像、遗传数据库等）	NA
1217	2024-08-28	Predicting antibody binders and generating synthetic antibodies using deep learning 2022 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2022.2069075 PMID:35482911	研究论文	本文利用深度学习技术预测抗体结合物并生成合成抗体	首次将抗体的轻链和重链互补决定区（CDR3s）编码为抗体图像，并使用卷积神经网络模型进行分类，同时构建生成对抗网络模型生成合成抗体	NA	探索深度学习在抗体工程、优化和发现中的应用	抗体结合物和合成抗体	机器学习	NA	深度学习	卷积神经网络（CNN）和生成对抗网络（GAN）	序列数据	包含结合物和非结合物抗体序列的面板
1218	2024-08-28	State-of-the-art violence detection techniques in video surveillance security systems: a systematic review 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.920 PMID:35494848	综述	本研究对视频监控安全系统中的暴力检测技术进行了系统的调查和分析，旨在全面了解当前暴力检测研究的现状并预测其未来趋势。	NA	NA	解决视频暴力检测中的问题，评估现有方法，并讨论和识别该领域中的开放问题。	视频暴力检测技术及其相关数据集。	计算机视觉	NA	深度学习, 机器学习	NA	视频	分析了80篇研究论文，这些论文是从154篇论文中筛选出来的。
1219	2024-08-28	Negation and uncertainty detection in clinical texts written in Spanish: a deep learning-based approach 2022, PeerJ. Computer science DOI:10.7717/peerj-cs.913 PMID:35494817	研究论文	本文提出了一种基于深度学习的西班牙语临床文本中否定和不确定性检测方法	该方法结合了双向长短期记忆网络与条件随机场层（BiLSTM-CRF）和双向编码器表示变换器（BERT）两种深度学习技术，专门针对西班牙语临床文本中的否定和不确定性检测	NA	开发一种有效的深度学习方法来检测西班牙语临床文本中的否定和不确定性	西班牙语临床文本中的否定和不确定性	自然语言处理	NA	深度学习	BiLSTM-CRF, BERT	文本	使用了NUBES和IULA两个公开的西班牙语语料库，以及来自癌症患者的真实临床笔记注释数据集
1220	2024-08-28	Efficient Framework for Detection of COVID-19 Omicron and Delta Variants Based on Two Intelligent Phases of CNN Models 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/4838009 PMID:35495884	研究论文	本文提出了一种基于卷积神经网络（CNN）的两阶段智能框架，用于高效检测COVID-19的Omicron和Delta变种	该框架利用迁移学习和参数优化技术，通过X射线和CT扫描图像在早期阶段识别COVID-19，实现了高灵敏度、特异性和准确性	NA	开发一种成本更低、速度更快的诊断方法，以应对COVID-19变种导致的医疗系统崩溃	COVID-19的Omicron和Delta变种	计算机视觉	COVID-19	卷积神经网络（CNN）	CNN	图像	NA